韩松、王洺硕 || 数字经济、研发创新与文化产业高质量发展

数字经济以数字化的信息作为生产要素，以数字技术为核心驱动力，以现代信息网络为重要载体，通过与实体经济不断进行深度融合，可以提高我国各产业的数字化、网络化和智能化水平。在万物互联的当今社会，数字经济为服务业的增长提供了新的增长活力，也在深刻而广泛地改变着传统经济的价值创造方式和运行模式。随着我国政府对公共文化事业的投入力度不断扩大，文化产业已经逐渐成为我国国民经济的战略增长点：2004年到2019年间，我国文化产业的增速高于GDP增速两倍。建立健全现代化的高质量文化产业体系也已成为“十四五”时期我国实现经济高质量发展的重要组成部分之一。习近平总书记在教育文化卫生体育领域专家代表座谈会的讲话中指出，要把文化建设摆在更加突出的位置；衡量文化产业的发展质量和发展水平，要坚持把社会效益放在首位、社会效益和经济效益相统一；同时，要顺应数字产业化和产业数字化发展趋势，加快发展新型文化业态，改造提升传统文化业态。经济社会不断深化的互联发展特征和不断提高的数字信息技术发展水平，已经成为挖掘文化产业发展潜力的重要驱动力量。2020年初爆发的新冠肺炎疫情为数字文化产业的加速发展施加了更加急迫的压力。由于实体经济的发展受到停工、停产等疫情防控措施的影响，提供高质量的文化产品成为满足人民日益增长的美好生活需要的重要保障，数字文化产品面临着前所未有的发展机遇。

文化生成及传播的成本、范围、价格难以量化，文化本身又具有一定的多元性、复杂性，因此，文化从未作为一种显著的生产要素被纳入到传统的经济学分析框架之中。在数字经济时代，文化要素已经成为一种极其重要的生产要素，不仅可以通过自身的创意积累转变经济发展方式，还能通过对社会观念、行为习惯等多个途径影响社会制度的演进，成为促进我国经济高质量发展的内生动力。在数字技术颠覆式创新发展的今天，数字技术是否重塑了我国文化产业的发展业态？数字技术是否赋能了文化产业的高质量发展？数字经济对文化产业高质量发展的作用效果又具有何种空间规律？现有的文献对上述问题大多做出了定性的解答，而评估数字经济对我国文化产业高质量发展作用效果的定量研究却极为缺乏。因此，定量研究数字经济对文化产业高质量发展的影响，分析影响效果的空间差异可为文化产业高质量发展、促进我国社会主义文化事业的繁荣提供一定的参考。

已有的理论研究认为，在文化产业的发展和创新过程中不断引入数字技术，可极大促进文化产业的发展。从微观角度来看，企业通过数字技术这一媒介统筹企业内、外部信息流，企业的信息处理能力得到提升，并最终提升企业的全要素生产率；从中观角度来看，数字信息资源的杠杆作用使传统文化产业的产业链得以延长，为文化产业数字化转型提供动力。数字技术与实体经济的不断融合也为文化产业带来了多元共生共享的生态化发展趋势，结合数字化传播手段可以开展各项新兴文化产业活动，如文物的数字化展览、数字文旅以及网络直播等，进而实现文化创意资源的开发、保值与增值。但与此同时，如何利用数字技术更好的挖掘文化产业背后的社会效益、使用算法本身的准确性也是文化产业与数字技术相互融合的重要挑战。

目前，国内已有一些学者使用全要素生产率作为衡量文化产业发展情况的代理变量，并有少部分学者将研究聚焦于大数据技术为某一产业生产率发展赋能的视角，以分析数字技术的发展对该产业的转型升级，并对技术创新的空间溢出效应进行分析，以及分析信息化技术对企业创新效率的影响效果。这些成果为本文研究数字经济赋能文化产业高质量发展的内在逻辑提供了有益参考。此外，刘静等建设了大数据系统指标体系，从“大数据供应链-生产链-销售链”的角度，提出数据赋能文化产业创新效率具有结构性动力机制和非线性传导机制。刘静、惠宁基于我国2008-2017年的省级面板数据，使用DEA-BCC模型计算文化产业创新效率，并构建大数据投入指数评价体系，得到数据赋能对文化产品的创新生产效率具有显著驱动效应的结论。赵涛等立足于数字经济变革我国经济发展运行方式，分析并检验了数字经济促进城市高质量发展的影响效果、非线性溢出效应和空间溢出效应的理论机制。喻蕾、袁渊等学者结合当今我国文化产业发展的新要求与新理念，从创新、协调、绿色、开放和共享等维度构建了我国文化产业高质量发展的评价指标体系。

总体来说，本文的边际贡献主要体现在以下几个方面：(1)建立兼具社会效益、经济效益，符合高质量发展理念的投入产出指标体系。(2)建立数字经济发展指数评价体系，使用DEA方法测度我国各省份的数字经济发展水平。(3)从理论分析和实证检验两个角度，以数字经济促进文化产业的高质量发展为逻辑起点，分析并检验数字经济与研发创新对文化产业高质量发展的协同效果空间溢出效应和区域异质性。

1.文化产业高质量发展水平。在新时代，高质量发展是指能更好地满足人民日益增长的美好生活需要的发展，是体现新发展理念的发展，突出高质量发展导向，实现高效益、稳增长和创新驱动。文化产业的高质量发展与创新、协调、绿色、开放和共享的新发展理念相契合，同时也要在转变发展方式、优化经济结构和转换增长动力的攻关期准确地反映我国文化产业发展过程中面临的实际问题。文化产业的高质量发展水平不仅强调效率，更强调发展的可持续性。因此，在计算文化产业的高质量发展水平时，需要充分认识文化产业高质量发展的内涵。由于不同省份对文化产业的各项统计指标的起始点和口径在2012年《文化及相关产业分类》出现后才趋于一致，测度数字技术对文化产业影响的程度只能从省份层面剥离出来，综合考虑各省份文化产业的发展现状、数字技术对文化产业的影响的现有研究成果和文化产业社会效益与经济效益的双重属性，参考《中国文化产业高质量发展指数(2020)》中的指标体系构建思路，以及喻蕾、袁渊和于凡所构建的文化产业高质量发展评价指标体系中的具体指标，从文化产业的主体结构、人才供给、资本规模和对外开放四个维度选择能够反映文化产业高质量发展水平的关键影响因素，对2012年-2019年我国30个省份的文化产业高质量发展水平进行测算。本文选择由Caves等基于方向距离函数提出的DEA-Malmquist指数作为文化产业高质量发展水平的计算方法。下面分别说明文化产业投入产出指标的选取依据。

文化产业需要在依靠资本、自然资源、自然文化遗产等传统要素的发展模式的基础上，不断增加创意、技术、人才、知识等高质量生产要素的投入力度，才能实现高质量发展。由于文化是由一系列价值观、信念、行为范式及其物质载体共同构成的，在选取文化产业高质量发展的评价指标时，也需要对其扩大我国文化在国际社会的影响力、推动文化产业的高质量发展成果在全社会共享的效能等方面进行考量。

已有的研究中，文化产业固定资产投资、文化事业费、文化产业从业人数作为反映文化产业资本要素、劳动力要素供给情况的指标，可以衡量文化产业发展水平。但文化产业生产要素还包含信息、企业家才能等其他各种形态的投入。文化及相关产业企业作为各类生产要素的集合体，其数量也能间接反映各种形态生产要素的供给情况，是衡量文化产业投入的重要指标。本文在前述指标的基础之上，将衡量劳动力要素供给的指标优化为文化产业从业专业技术人员数量，以反映文化产业人才的高质量供给水平。在资本要素的投入方面，本文选择文化事业建设费和文化产业固定资产投资，其中文化事业建设费反映了国家对文化产业公共服务功能的支持力度，体现了高质量发展阶段将公共投资的重点转移到增强居民福利的工作方针；文化产业固定资产投资则是市场在资源配置中起到决定性作用的体现。进入高质量发展阶段，经济发展方式呈现出个人、企业和团体等社会力量与政府合作增加公共服务供给的趋势。因此，将文化事业建设费和文化产业固定资产投资同时作为衡量文化产业高质量发展的资本要素投入也符合提升文化产品供给质量和效率的发展目标。此外，高质量发展阶段实体经济的重要特点就是规模经济和范围经济，本文将规模以上文化及相关产业的企业数量作为反映文化产业的高质量发展规模的变量。最后，加强对外合作交流可以更好地增强中国文化的国际影响力，使得我国文化产业的发展充分融入到全球产业链、价值链当中。因此，选择对外文化交流项目数量作为对外开放这一维度的投入指标。

文化产业兼具经济效益与社会效益，在发展文化产业的过程中，必须坚持以社会效益为先导，而现有研究大多忽视了文化产业发展所带来的社会效益。因此，本文将从社会效益和经济效益两个维度选择文化产业高质量发展水平产出指标。首先，选择规模以上文化产业企业的营业收入两个指标，以及入境过夜旅游收入以反映规模以上的文化产业企业的经营情况及对外交流活动所带来的经济效益。其次，选择人均公共文化设施拥有量和城乡居民人均文化娱乐消费支出比以衡量文化产业高质量发展所带来的社会效益。人均公共文化设施拥有量能够反映人民享有公共文化产品和服务的难易程度，并且文化产品和服务的获取机会不应该因为贫富、城乡、年龄和性别等差异而不同，本文采用城乡居民人均文化娱乐消费支出比这一指标，衡量文化产品在城乡之间协调发展的共享程度。

基于前文对文化产业高质量发展水平评价指标体系的构建，本文选取2012-2019年间我国除西藏以外30个省、自治区、直辖市的文化产业投入产出的面板数据，建立DEA-Malmquist模型，进行文化产业高质量发展水平的测度，计算结果的分区域描述性统计如表1所示。总体来看，我国中、西部地区的文化产业高质量发展水平相较于东部地区存在差距，低于全国平均水平。文化产业的高质量发展水平呈现东部强于西部也强于中部地区的空间格局。

2.数字经济发展指数的测度。数字经济发展规模的测算缺少统一的标准。目前，关于数字经济发展水平的测度方法包括两种，一是中国通信研究院发布的《中国数字经济发展白皮书(2020)》中，通过信息通信技术产业增加值和数字技术与其他产业融合带来的产出增加测度我国各个省份的数字经济发展规模；另一种将数字经济发展的内涵分解为信息化发展、互联网发展和数字交易发展等多个维度，通过构建数字经济规模测算框架，对不同省份的数字经济发展状况进行测算。

从数字经济的发展现状以及客观实际来看，单一的产值指标无法反映数字经济整体发展水平。选择综合指标体系法，借鉴“中国数字经济发展指数体系”中所选取的具体指标以及刘静等的研究成果，从数字经济生产、数字技术创新和数字产业运营三个方面构建数字经济发展的评价指标体系，使用DEA-Malmquist指数方法测度各省份数字经济的发展水平。这一方法便于计算，避免了生产函数的假设和规模报酬不变的限定，在计算数字经济发展指数方面更加具有优势。由于本文重点关注文化产业与数字技术的融合，文化产业数字化的部分将在实证检验部分进行重点分析，不纳入本节数字经济发展指数的指标体系构建当中。考虑数据的科学性、层次性以及可获得性，本文将从数字经济生产、数字技术创新和数字产业运营的角度出发，同样选取DEA-Malmquist指数进行数字经济发展水平的衡量，得到的数字经济发展指数，记为digi。

数字经济生产主要指支持计算机网络、数字经济存在和运行的物理设施投入数量，包括计算机硬件、软件和电信设备等软硬件基础设施，选择互联网宽带接入端口数、互联网域名数、电子信息产业制造业企业数量、信息技术服务企业数量作为衡量数字经济生产软硬件基础设施的投入指标。数字技术创新是数字经济发展的核心驱动力，选择软件研发人员的数量以及技术市场成交额作为反映数字技术创新水平的投入指标，避免与文化产业自身的研发创新水平指标产生概念上的交叉。最后，数字产业运营反映数字经济基础产业的整体运营能力和运营情况。现有数据统计类型无法提供数字经济产业的详细数据，很多较为详细的产品或服务数据均没有官方的统计，只能通过选择软件业务或信息服务的收入总量对其进行衡量。因此，本文选择电子信息产业制造业主营业务收入、软件产品收入和信息服务收入衡量数字产业化的产业规模和产业种类。

首先，为了分析数字经济发展指数和研发创新对文化产业高质量发展水平的直接传导机制，本文设定了如下的静态面板数据模型：

Indexi,t=β0+β1techi,t+β2digii,t+βXi,t+μi+δi+εi,t

(1)

其中，i代表省份，t代表时期，Indexi,t代表前文计算的文化产业高质量发展水平，techi,t和digii,t分别代表衡量研发创新水平和数字经济发展水平的核心解释变量，Xi,t代表其余控制变量。μi表示不随时间变化的省份固定效应，δi代表时间固定效应，εi,t代表随机扰动项。

由于研发创新和数字经济的发展对某一产业高质量发展水平的影响具有波动性和时滞性的特征，仅考虑当期数字经济发展和研发创新的水平不符合产业发展的实际情况，本文使用某一省份有效发明专利数和数字经济发展指数的滞后一期作为解释变量，从而分析文化产业研发创新和数字经济的发展对文化产业高质量发展水平的滞后效应。同时控制时间固定效应和省份固定效应，设定以下的计量模型进行实证分析：

Indexi,t=β0+β1techi,t-1+β2digii,t-1+βXi,t+μi+δi+εi,t

(2)

为了剔除变量的统计量纲影响，对本文选取的其他变量的数据取对数处理后进行实证分析。同时，为了检验数字经济发展和文化产业研发创新融合发展对文化产业高质量发展水平的影响，本文在模型(2)的基础之上，加入数字经济发展指数和研发创新的交互项，得到融合效应面板计量模型：

Indexi,t=β0+β1techi,t-1+β2digii,t-1+β3techi,t-1*digii,t-1+βXi,t+μi+δi+εi,t

(3)

在模型(3)中，techi,t-1*digii,t-1为数字经济发展与文化产业研发创新的乘积交叉项，如果模型(3)中的乘积交叉项系数β3显著小于0，则说明数字经济的发展和文化产业自身的研发创新之间存在替代效应；反之说明二者存在互补效应，即数字经济和研发创新的协同发展会进一步促进文化产业高质量发展水平的提高。最后，为了进一步讨论数字经济发展对文化产业高质量发展水平的空间溢出效应，本文在模型(1)的基础之上引入核心解释变量与其他控制变量的空间交互项，将其进一步扩展为空间杜宾模型：

Indexi,t=β0+ρWIndexi,t++β1digii,t-1+βcXi,t+φ1Wdigii,t-1+φcWXit+μi+δi+εi,t

(4)

其中，ρ代表空间自回归系数，W代表空间权重矩阵，β代表响应变量的系数，其他变量的含义与前文定义的相同。φ代表空间交互项的弹性系数。

在实证检验部分，本文选择前文计算的文化产业高质量发展指数作为被解释变量。衡量区域创新水平的指标主要包括专利产品和创新收入，综合比较2012-2019年《中国文化及相关产业统计年鉴》数据的完整性，选择文化产业专利申请数、各省数字经济发展指数作为核心解释变量。

根据国内外学者关于文化产业高质量发展的相关研究，并结合数据结构和模型需要，选择人均国民生产总值(rjgdp)、金融机构存贷款余额占当年该省份生产总值比重(finance)、一般财政公共预算文化支出(budgcul)、文化产业禀赋结构(bingfu)、文化事业机构从业人员数量(shiye)以及高等教育平均在校人数(educ)作为控制变量。本文在实证分析中和各类指数测算使用的原始数据来源于《中国互联网络发展状况统计报告》《中国统计年鉴》《中国信息产业年鉴》《中国文化及相关产业统计年鉴》以及国家统计局数据库等各类公开信息。同时，本文使用几何平均增长率补齐个别年份缺失值。核心解释变量和控制变量的含义、具体变量的描述性统计如表2所示。

根据回归1～回归5的结果可知：文化产业自身的研发创新的一阶滞后项对文化产业高质量发展在5%的水平上具有显著的正向驱动作用；数字经济的发展对文化产业高质量发展的正向促进作用在4次基础回归中都在5%-10%的水平上显著，不存在显著的非线性影响效果。在加入交互项后，数字经济的发展和文化产业自身研发创新之间不存在显著的替代效应。在控制变量方面，各地区经济发展水平与文化产业的高质量发展仅在回归2下有10%的正向促进作用，这表明经济总量的提升并未对文化产业高质量发展的水平具有明显的促进作用。文化体制因素、政府财政支持在5%的水平上对文化产业的高质量发展起到了抑制作用，反映出目前文化领域中的某些行业仍然依赖于行政保护和经营垄断，没有发挥自身的资源配置作用。此外，金融发展水平、文化产业的禀赋水平以及受教育水平均未通过10%的显著性检验。

2.内生性问题：GMM回归。前文使用双向固定效应动态面板数据模型对我国30个省份或地区的文化产业高质量发展受到研发创新和数字经济发展的影响效果进行了实证分析。但是如果仅使用双向固定效应模型估计可能会因为存在内生性问题而导致实证分析的结果不够可靠。本文的内生性来源主要有以下几个方面：首先，经济发展水平较高、文化产业集聚程度较高、研发创新活动较为活跃以及数字经济发展程度较高的省份或地区，本来就具有较高的文化产业发展水平。其次，较为发达地区的政府对文化产业具有较高的支持力度，模型存在反向因果问题。

因此，通过控制双向固定效应的动态面板工具变量模型克服上述内生性问题。选取的工具变量应该对文化产业的高质量发展具有完全的外生性，与当期误差项不相关。参考左鹏飞等和余奕杉等，选取政府支持以及TFP的一阶滞后项作为GMM估计中TFP滞后项的工具变量。政府支持选择2016年为时间断点，自2016年9月习近平总书记在杭州G20峰会正式提出发展数字经济开始，我国的数字经济发展就与各项实体经济产生了广泛而深远的融合。此次会议对我国的数字经济发展和信息技术行业产生了重大的影响，但对文化产业的高质量发展不会产生直接影响。因此，本文赋值2016-2019年以后取值为1，其他年份为0，并使用差分GMM和系统GMM进行回归。回归结果如表4所示。

表4中各列的Sargan检验值、AR(1)、AR(2)均显示模型中不存在二阶自相关和过度识别偏误的问题，GMM的估计结果有效。GMM估计的回归结果与前文结果基本一致：研发创新对文化产业高质量发展的正向促进作用在1%、5%的水平上显著；数字经济对文化产业发展的影响效果在系统GMM回归和工具变量系统GMM回归的系数分别为0.518和0.624，且均在5%的水平显著，双向固定效应模型中数字经济对文化产业高质量发展正向作用的结论较为稳健。此外，在差分GMM和工具变量差分GMM模型下，研发创新与数字经济发展两者的融合效应对文化产业高质量发展的正向作用在1%、5%的水平上显著；与创新促进文化产业的全要素生产率以及数据赋能文化产业高质量发展的研究结果一致，研究假设1和假设2得以检验。

随着数字技术的不断发展，数字化和信息化已经逐步渗透到了经济、文化、社会的各个层次和环节：

在消费端，文化产品与数字信息化技术在更多的应用场景中实现相互融合，通过资源共享的机制和系统的服务架构有效提升生产效率和用户体验，实现从产品研发创新到用户消费的全生命周期的数据循环。当前，各类文化创意产品在疫情的特殊背景下不仅激发了文化产品消费者浓厚的兴趣，也扩大了文化产品的影响力，产生了大量经济效益。

在生产端，数字技术的出现可以有效缓解信息不对称带来的文化产品或文化服务质量损失：数字技术的引入一方面可以防范大型平台利用市场优势地位形成垄断；另一方面可以使文化企业通过扩大经济外向度、拓宽国内外市场等多个渠道提高文化企业的运营效率，将文化产业的发展有机地融入我国国民经济社会的发展进程当中。综上所述，随着数字技术的不断应用，传统的文化产品与数字技术之间的壁垒不断被消除，两者结合有利于实现文化产业的高质量发展。

3.数字经济对文化产业高质量发展的空间溢出效应分析。在进行空间计量分析之前，需要对本文的具体研究对象是否存在空间效应进行检验。本文采用局部莫兰指数(Moran’ I)指数法分别计算了邻近距离矩阵、经济重心矩阵下经过Kronecker变换后的面板数据空间效应，认为数字经济、文化产业自身的研发创新以及文化产业的发展在空间分布上存在显著的空间相关性。其中，经济重心的矩阵中，省份j经济重心的经度和纬度计算公式分别为：

Aij表示省份j第i个地级市的地区生产总值；Jij和Wij分别表示某一省份第i个地级市(i=1,2,…, N)政府所在地的经度和纬度。可获得地区生产总值的288个地级市的经纬度数据均通过Python在经纬度查询网站上爬取获得。表5报告了在两种不同空间权重矩阵下数字经济对文化产业高质量发展水平空间回归模型的结果，并进行模型适用性的LM检验和FE估计。此外，为了检验SDM模型的稳健性，本文还列出了控制双重固定效应的空间滞后模型(SAR)、空间误差模型(SEM)的估计结果作为实证检验假设3的稳健性检验。

表5的结果显示，SDM模型中文化产业高质量发展水平的空间自回归系数显著为负，数字经济的空间交互项系数在5%的水平上显著为正。在邻近距离矩阵的空间计量回归下，数字经济对文化产业高质量发展水平的正向影响显著存在。此外，在两种空间矩阵的空间计量回归结果中，数字经济发展指数的空间滞后项系数在5%的显著性水平下分别为0.144和0.184，这表明数字经济发展水平较高的省份对邻近省份的文化产业高质量发展的标杆效应显著存在。但空间交互项的回归系数值并不能够直接用于讨论数字经济对文化产业高质量发展的边际影响，需要使用变量变化的偏微分进行解释，即使用直接效应和溢出效应来解释某一省份的数字经济发展水平对本省以及其他省份文化产业高质量发展水平的影响。从表5中SDM模型的分解可知，数字经济的发展不仅促进区域内文化产业的发展水平，还对邻近地区的文化产业发展起到了显著的正向促进作用。这表明数字技术使生产要素的流动打破空间地理界线，使得数字文化产业的发展具有蔓生性的特点，本区域数字经济的发展会带动相邻地区文化产业的资本、人才、技术以及数据等生产要素的流通，但在经济重心矩阵下，偏微分的溢出效应不显著，说明本区域与经济活动联系紧密、经济发展状况类似的其他省份互动相对较少，这也是未来十四五期间不同区域经济体之间文化交流力度的扩大、文化产业体制机制改革的方向。综上所述，假设3得以验证。

4.区域异质性分析。由于不同省份或地区发展文化产业禀赋不同，自身经济发展状况不同，数字经济和文化产业的发展水平在区域分布上都存在着较为明显的区域异质性。因此，本文将对我国文化产业受研发创新及融合效应的影响进行区域异质性的分析，从回归的结果中我们可以看出，研发创新对东部地区文化产业高质量发展水平的促进作用最好，中部地区次之，西部地区最差，协同效应对西部地区的正向影响效果最好，中部地区次之。

相对于中西部地区来说，东部地区具有区位优势、更高水平的劳动和资本配置效率，研发创新的基础设施较为完善。同时，东部沿海地区的文化产业业态开放、文化市场受众广、开发潜力大，数字经济的发展与文化产业研发创新的融合将现实中的文化资源进行数字化转化，扩大了文化创意的应用场景范围；而中西部地区文化产业发展的硬件、软件设施都相对落后，相对于东部地区来说缺少互联网意识，数字化投入不足、数字化人才相对匮乏。

习近平总书记在2020年11月20亚太经合组织领导人非正式会议上指出：“数字经济是全球未来的发展方向，创新是亚太经济腾飞的翅膀。”这要求全面落实我国数字经济发展路线图，促进新技术传播和运用。本文着眼于数字经济对文化产业高质量发展的影响，在计算文化产业高质量发展水平和数字经济发展指数的基础之上，从多个角度全面分析了数字经济以及数字经济与研发创新的协同发展对文化产业高质量发展的影响，得到如下结论与相应的政策建议：

首先，文化产业的研发创新对自身高质量发展水平的增长具有显著的正向驱动作用。技术进步可以加速文化产业的发展模式变革，是保障文化产业高质量发展的主要动力，各地方政府应推进研发创新成果在文化产业发展中的转化应用。

其次，数字经济的发展和研发创新对文化产业的高质量发展具有协同效应。在实体经济受各类“黑天鹅事件”冲击的当今世界，数字技术能够有效、低成本地促进文化产业的资源合理配置，使文化产业市场有效。这也对大数据时代个人的隐私保障和提供文化服务的算法机制提出了更高的要求。

最后，数字经济活动对文化产业的空间溢出效应表明，应该通过更多的区域合作，使数字经济发展水平较高的省份发挥自身的技术扩散效应和标杆效应。利用现有的研发创新基础设施继续发展文化产业，并不断找到新的增长点，实现文化产业的供给与需求相互促进的良性循环。中西部地区也要将新的技术引入文化产业的发展过程中，消除原有制约文化产业发展的体制因素，为中西部文化产业的发展注入新的活力。

由于文化产业以及数字经济的时间序列数据存在统计样本量的限制，本文仅选用2012-2019年的数据测度数字经济的发展水平，可能对本文的结论存在影响。此外兼具社会效益与经济效益的产业且具有极强个体异质性的文化产业，其高质量发展是否会受到数据垄断这一新型垄断形式的影响，进而产生不利于生产效率和社会福祉的提升的问题也是值得进一步研究和探索的方向。